Таблица лидеров AI Benchy

Name: Результаты бенчмарка моделей AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-04 Оценено моделей: 316

Рекомендуемые модели

GPT-5.6 Sol high Интеллектуальная Доля успешных попыток 89.4% Тестов верно 18 / 22 Оценка 9.4/10 GPT-5.6 Luna medium Быстрая Время ответа (среднее) 7.43s Общее число выходных токенов 44,525 Оценка 7.4/10 DeepSeek V4 Flash 0731 high Доступная Цена входа $0.065 / 1M Цена выхода $0.180 / 1M Оценка 8.0/10

316/316

Ранг	Модель	Оценка	Компания	Общая стоимость	Время ответа (среднее)
#31#31	Muse Spark 1.3high	8.9	Meta	$1.653	52.49s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 99,143 Выходные токены 12,083 Токены рассуждений 347,525 Время ответа (среднее) 52.49s Время ответа (суммарно) 1154.76s Время ответа (макс.) 251.53s Неверный ответ: 3 Не соблюдены инструкции: 2 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 8.7 Вызов инструментов : 9.6 Эрудиция : 3.0
#32#32	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 3 Входные токены 104,695 Выходные токены 6,645 Токены рассуждений 691,086 Время ответа (среднее) 173.96s Время ответа (суммарно) 3827.19s Время ответа (макс.) 584.71s Неверный ответ: 4 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#33#33	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 2 Входные токены 87,826 Выходные токены 2,239 Токены рассуждений 32,956 Время ответа (среднее) 5.76s Время ответа (суммарно) 126.71s Время ответа (макс.) 53.55s Неверный ответ: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 8.2 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 9.9 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#34#34	Muse Spark 1.3medium	8.8	Meta	$1.469	38.57s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 84.9% Нестабильные тесты 3 Входные токены 89,177 Выходные токены 11,044 Токены рассуждений 308,220 Время ответа (среднее) 38.57s Время ответа (суммарно) 848.59s Время ответа (макс.) 219.77s Неверный ответ: 4 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 9.6 Эрудиция : 3.0
#35#35	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 93,046 Выходные токены 5,884 Токены рассуждений 198,741 Время ответа (среднее) 10.05s Время ответа (суммарно) 221.06s Время ответа (макс.) 36.22s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#36#36	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 138,448 Выходные токены 40,765 Токены рассуждений 11,162 Время ответа (среднее) 12.97s Время ответа (суммарно) 285.29s Время ответа (макс.) 70.54s Неверный ответ: 4 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 7.1 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#37#37	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 134,770 Выходные токены 13,604 Токены рассуждений 4,388 Время ответа (среднее) 6.99s Время ответа (суммарно) 153.80s Время ответа (макс.) 30.67s Неверный ответ: 4 Анти-ИИ уловки : 10.0 Программирование : 7.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#38#38	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 89.4% Нестабильные тесты 3 Входные токены 85,886 Выходные токены 5,489 Токены рассуждений 44,232 Время ответа (среднее) 4.92s Время ответа (суммарно) 108.28s Время ответа (макс.) 30.83s Неверный ответ: 4 Анти-ИИ уловки : 8.7 Программирование : 7.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 10.0
#39#39	GLM 5.3 Flashmax	8.7	Z.ai	$0.059	52.10s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 3 Входные токены 96,873 Выходные токены 7,637 Токены рассуждений 196,703 Время ответа (среднее) 52.10s Время ответа (суммарно) 1146.24s Время ответа (макс.) 333.47s Неверный ответ: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Недопустимый вызов инструмента: 1 Нет ответа: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#40#40	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 4 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 1 Входные токены 145,249 Выходные токены 24,948 Токены рассуждений 5,042 Время ответа (среднее) 7.62s Время ответа (суммарно) 159.94s Время ответа (макс.) 65.40s Неверный ответ: 3 Тайм-аут: 1 Анти-ИИ уловки : 8.3 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#42#42	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 74.2% Нестабильные тесты 4 Входные токены 123,680 Выходные токены 7,222 Токены рассуждений 271,442 Время ответа (среднее) 19.67s Время ответа (суммарно) 432.72s Время ответа (макс.) 142.49s Не соблюдены инструкции: 3 Неверный ответ: 3 Лишнее форматирование: 1 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.3 Программирование : 10.0 Комбинированный : 8.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#43#43	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 2 Входные токены 142,147 Выходные токены 7,905 Токены рассуждений 284,247 Время ответа (среднее) 26.25s Время ответа (суммарно) 577.47s Время ответа (макс.) 165.38s Неверный ответ: 4 Не соблюдены инструкции: 2 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 8.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.5 Общий интеллект : 10.0 Следование инструкциям : 6.5 Решение головоломок : 7.9 Вызов инструментов : 9.8 Эрудиция : 3.0
#44#44	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 1 Входные токены 89,640 Выходные токены 33,092 Токены рассуждений 9,054 Время ответа (среднее) 15.01s Время ответа (суммарно) 330.15s Время ответа (макс.) 80.80s Нет ответа: 3 Недопустимый вызов инструмента: 1 Неверный ответ: 1 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 7.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#45#45	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 2 Входные токены 79,249 Выходные токены 5,097 Токены рассуждений 165,276 Время ответа (среднее) 66.52s Время ответа (суммарно) 1463.50s Время ответа (макс.) 238.07s Неверный ответ: 4 Тайм-аут: 1 Анти-ИИ уловки : 10.0 Программирование : 8.8 Комбинированный : 7.3 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 10.0 Следование инструкциям : 10.0 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#46#46	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 80.3% Нестабильные тесты 3 Входные токены 99,181 Выходные токены 6,132 Токены рассуждений 77,689 Время ответа (среднее) 21.83s Время ответа (суммарно) 480.37s Время ответа (макс.) 155.75s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.4 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.5 Следование инструкциям : 10.0 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#47#47	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 4 Входные токены 81,136 Выходные токены 6,155 Токены рассуждений 84,311 Время ответа (среднее) 22.85s Время ответа (суммарно) 502.78s Время ответа (макс.) 100.41s Неверный ответ: 5 Не соблюдены инструкции: 2 Анти-ИИ уловки : 8.3 Программирование : 8.8 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.7 Следование инструкциям : 10.0 Решение головоломок : 8.2 Вызов инструментов : 10.0 Эрудиция : 3.0
#48#48	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 5 Надежность 10.0 Доля успешных попыток 83.3% Нестабильные тесты 3 Входные токены 122,155 Выходные токены 5,514 Токены рассуждений 293,946 Время ответа (среднее) 68.59s Время ответа (суммарно) 1508.91s Время ответа (макс.) 436.38s Неверный ответ: 5 Анти-ИИ уловки : 10.0 Программирование : 7.6 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 6.5 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#49#49	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 3 Входные токены 101,811 Выходные токены 8,025 Токены рассуждений 115,938 Время ответа (среднее) 9.77s Время ответа (суммарно) 214.83s Время ответа (макс.) 47.80s Неверный ответ: 4 Не соблюдены инструкции: 3 Анти-ИИ уловки : 9.2 Программирование : 8.4 Комбинированный : 9.8 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.0 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#50#50	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 4 Входные токены 106,787 Выходные токены 4,811 Токены рассуждений 244,997 Время ответа (среднее) 73.46s Время ответа (суммарно) 1616.12s Время ответа (макс.) 514.35s Неверный ответ: 5 Не соблюдены инструкции: 1 Анти-ИИ уловки : 10.0 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 4.1 Следование инструкциям : 9.8 Решение головоломок : 8.7 Вызов инструментов : 10.0 Эрудиция : 3.0
#51#51	Grok 4.5low	8.4	X AI	$0.945	16.17s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 6 Надежность 10.0 Доля успешных попыток 77.3% Нестабильные тесты 2 Входные токены 125,605 Выходные токены 7,505 Токены рассуждений 107,984 Время ответа (среднее) 16.17s Время ответа (суммарно) 355.67s Время ответа (макс.) 205.28s Неверный ответ: 6 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 6.5 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 10.0 Вызов инструментов : 10.0 Эрудиция : 3.0
#52#52	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 72.7% Нестабильные тесты 4 Входные токены 105,013 Выходные токены 9,914 Токены рассуждений 61,338 Время ответа (среднее) 28.51s Время ответа (суммарно) 456.13s Время ответа (макс.) 116.86s Не соблюдены инструкции: 3 Неверный ответ: 3 Нет ответа: 1 Тайм-аут: 1 Анти-ИИ уловки : 6.5 Программирование : 10.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.9 Общий интеллект : 3.7 Следование инструкциям : 9.9 Решение головоломок : 7.5 Вызов инструментов : 4.7 Эрудиция : 3.0
#54#54	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 78.8% Нестабильные тесты 5 Входные токены 104,433 Выходные токены 6,511 Токены рассуждений 752,680 Время ответа (среднее) 193.59s Время ответа (суммарно) 4258.98s Время ответа (макс.) 885.33s Неверный ответ: 5 Не соблюдены инструкции: 1 Нет ответа: 1 Анти-ИИ уловки : 8.2 Программирование : 8.2 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 2.9 Общий интеллект : 6.1 Следование инструкциям : 9.8 Решение головоломок : 9.9 Вызов инструментов : 10.0 Эрудиция : 3.0
#55#55	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 8 Надежность 10.0 Доля успешных попыток 69.7% Нестабильные тесты 2 Входные токены 85,669 Выходные токены 6,092 Токены рассуждений 292,801 Время ответа (среднее) 30.43s Время ответа (суммарно) 669.38s Время ответа (макс.) 122.60s Неверный ответ: 6 Не соблюдены инструкции: 2 Анти-ИИ уловки : 10.0 Программирование : 10.0 Комбинированный : 9.9 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 5.3 Общий интеллект : 5.3 Следование инструкциям : 9.8 Решение головоломок : 4.8 Вызов инструментов : 3.0 Эрудиция : 3.0
#56#56	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 9 Надежность 10.0 Доля успешных попыток 71.2% Нестабильные тесты 4 Входные токены 141,878 Выходные токены 11,033 Токены рассуждений 105,456 Время ответа (среднее) 11.89s Время ответа (суммарно) 261.69s Время ответа (макс.) 54.15s Неверный ответ: 5 Не соблюдены инструкции: 3 Недопустимый вызов инструмента: 1 Анти-ИИ уловки : 7.9 Программирование : 10.0 Комбинированный : 6.6 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 3.6 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 8.3 Вызов инструментов : 9.8 Эрудиция : 3.0
#57#57	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
Открыть карточку модели Всего тестов 22 Ошибочных тестов 7 Надежность 10.0 Доля успешных попыток 81.8% Нестабильные тесты 6 Входные токены 135,112 Выходные токены 7,594 Токены рассуждений 23,558 Время ответа (среднее) 11.67s Время ответа (суммарно) 256.73s Время ответа (макс.) 36.59s Неверный ответ: 3 Нет ответа: 2 Лишнее форматирование: 1 Не соблюдены инструкции: 1 Анти-ИИ уловки : 8.2 Программирование : 7.0 Комбинированный : 10.0 Парсинг и извлечение данных : 10.0 Предметно-ориентированное : 7.7 Общий интеллект : 10.0 Следование инструкциям : 7.3 Решение головоломок : 7.6 Вызов инструментов : 10.0 Эрудиция : 2.8

Глобальные тренды бенчмарка

Посмотрите, как современные модели балансируют оценку, стоимость, скорость, длину ответа и результаты по категориям.

Графики →

Граница Парето: интеллект и стоимость

Рост лучших оценок ведущих компаний со временем

Граница Парето: интеллект и скорость ответа

Граница Парето: оценка и выходные токены

Сложность категорий по всем моделям

Быстрое сравнение

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium